Yapay zekâ görsel üretimi nasıl çalışır?

Yapay zekâ görsel oluşturucusu komutunuzu bir emir değil, bir tarif olarak okuyor. Hangi piksel düzenlerinin hangi kelimelerle birlikte gittiğini öğrenmiş durumda ve verdiğiniz tarife uyan yeni bir kare kuruyor. Hiçbir şey bir kütüphaneden getirilmiyor, hiçbir şey var olan fotoğraflardan yapıştırılmıyor: her sonuç sıfırdan üretiliyor — aynı komutu iki kez koşturmanın iki farklı görsel vermesinin sebebi bu.

Belirsiz komut neden sıradan bir kare veriyor

Bu tek gerçek, ardından gelen bütün pratik kuralları açıklıyor. Belirsiz bir komut kareyi büyük ölçüde modele bırakıyor, o da boşlukları istatistiksel olarak en sıradan olanla dolduruyor. Somut bir komut daha az boşluk bırakıyor, yani sonucun daha çoğu sizin kararınız. "Bir köpek" milyonlarca olası kareyi tarif ediyor; "tahta bir iskelede silkinen ıslak bir golden retriever, ikindi ışığı" çok daha azını tarif ediyor ve o azlar kafanızdakine çok daha yakın.

Modelin koşular arasında hafızası yok ve geçen sefer ne demek istediğinizi bilmiyor. Her üretim gürültüden başlıyor ve yalnız sizin kelimelerinizle yönleniyor; "biraz daha sıcak yap" ancak tam bir cümle olarak işe yarıyor: "aynı sahne gün batımında, sıcak turuncu ışık".

Stil seçici gerçekte ne yapıyor

Seçtiğiniz stil de komutun bir parçası. Bir stil seçmek, istek sunucumuzdan çıkmadan önce metninizin başına sabit bir cümle ekliyor — aynı cümlenin "Gerçekçi" ile "Suluboya"da bambaşka görünmesinin sebebi bu. Üretim ekranı o cümlenin kendisini komut kutusunun altında yazıyor, yani ne gönderildiğini her zaman görüyorsunuz. Gizli bir şey yok: aynı model, aynı kredi, farklı bir açılış cümlesi.

Neye siz, neye model karar veriyor

Bu ayrım netleştiğinde sonuçları iyileştirmek tahmin olmaktan çıkıyor. İkinci sütundaki bir şey sürekli yanlış çıkıyorsa çare onu birinci sütuna taşımak: tarif etmek. Bir komutun beş parçası bunun kontrol listesi, fiyatlandırma da maliyet hikâyesinin tamamı — hangi stili seçerseniz seçin bir kredi, bir görsel.